利用 CANDIES 检测新过程——一种基于概率模型的整体新颖性检测技术
机器学习
2016-05-19 v1
摘要
在本文中，我们提出 CANDIES（智能嵌入式系统中新颖性检测的组合方法），一种用于技术系统中新颖性检测的新方法。我们假设技术系统中多个过程相互作用。如果我们用传感器观测这些过程，就能够用概率模型对观测（样本）建模，在理想情况下，我们所使用的参数化混合密度模型的各分量对应于真实世界中的过程。最终，在运行时，技术系统中会出现新过程，例如不可预测故障的情况。因此，观测到新型样本，需要对模型进行调整。CANDIES 依赖于高斯混合，也可用于分类。新过程可能出现在模型输入空间中先前观测样本较少的区域（低密度区域），或已存在大量样本的区域（高密度区域）。后者更难，但大多数现有方案聚焦于前者。低密度与高密度区域的新颖性检测需要不同的检测策略。借助 CANDIES，我们引入一种通过快速在线拟合优度检验来检测高密度区域中新过程的新技术。对于低密度区域的检测，我们将此方法与我们前期工作中提出的 2SND（两阶段新颖性检测器）相结合。CANDIES 的特性使用人工数据以及来自计算机网络入侵检测领域的基准数据进行评估，该领域的任务是检测新型攻击。
引用
@article{arxiv.1605.05628,
title = {Detecting Novel Processes with CANDIES -- An Holistic Novelty Detection Technique based on Probabilistic Models},
author = {Christian Gruhl and Bernhard Sick},
journal= {arXiv preprint arXiv:1605.05628},
year = {2016}
}
备注
17 Pages, contains 21 Figures. Currently under review for publication in International Journal of Machine Learning and Cybernetics (Springer)